返回更新列表
新发布Aug 28, 2026

maltrail v3.2

实时恶意流量检测系统,利用公共黑名单、静态恶意软件痕迹和启发式分析,识别 DNS、HTTP 和 IP 流量中的威胁。

分享

Maltrail

License Sensor Server Trails X

Maltrail

Maltrail 是一个网络流量检测系统,用于识别与已知恶意基础设施的通信,并报告选定的流量异常。它会将网络上观察到的域名、URL、IP 地址、IP:port 对以及 User-Agent 值与一组称为 trails 的指标进行匹配。

一次检测会被记录为单个事件,其中包含源、目标、协议、匹配的 trail、分类以及 trail 来源:

"2026-08-07 09:14:22.117034" gw 10.13.13.2 57809 1.1.1.1 53 UDP DNS malware.bakewithdavid.com "asyncrat (malware)" (static)

Maltrail 专为基于指标的网络安全监控而设计。其启发式检测是对特征匹配的补充,但并不能替代端点遥测或通用入侵防御系统。

功能特性

  • 完整的特征库构建,结合了静态特征集(超过 3,000 个精选文件,从 stamparm/trails 获取)、38 个公共情报源集成,以及可选的 操作员提供的特征。
  • 基于 libpcap 的多线程 Rust 传感器,支持可选的 Linux PACKET_FANOUT 捕获工作线程。
  • Python 服务器,提供报告界面、事件接收和 HTTP API。
  • 纯文本自定义特征和白名单,可审查并纳入版本控制。
  • 针对扫描、DNS 耗尽、类 DGA 查询、可疑下载、代理探测、 可疑 User-Agent 值及相关网络活动的启发式检测。
  • 本地事件日志记录、远程 Maltrail 日志记录、基于 syslog 的 CEF 以及 Logstash JSON 输出。
  • 通过 maltrail-sensor -T 进行部署验证,并支持可选的 Prometheus 指标。

目录

架构

Maltrail 有两个可独立部署的进程,可运行在同一主机或不同主机上:传感器负责检测可疑流量,而服务器负责存储并暴露事件,以供报告和 API 访问。

flowchart LR
    Traffic(("<b>Network traffic</b>"))

    subgraph Maltrail ["Maltrail System"]
        direction LR
        Sensor["<b>Sensor</b><br/>Rust / libpcap<br/>Capture & detection<br/>Trail matching & heuristics"]
        Logs[("<b>Event logs</b><br/>LOG_DIR")]
        Server["<b>Server</b><br/>Python<br/>Event intake & access<br/>Reporting UI & API"]
    end

    Browser(("<b>Browser</b><br/>Reporting interface"))
    Syslog["<b>Syslog / SIEM</b><br/>CEF"]
    Logstash["<b>Logstash</b><br/>JSON"]

    Traffic --> Sensor
    Sensor -->|local events| Logs
    Sensor -->|remote events / LOG_SERVER| Server
    Server -->|stores remote events| Logs
    Logs -->|reads daily logs| Server
    Sensor -->|SYSLOG_SERVER| Syslog
    Sensor -->|LOGSTASH_SERVER| Logstash
    Server <-->|HTTP / SSE| Browser

传感器捕获网络流量,执行特征匹配和启发式分析,并生成事件。它可以将事件本地写入 LOG_DIR,通过 LOG_SERVER 发送到远程 Maltrail 服务器,或两者同时进行。它还可以通过 SYSLOG_SERVER 以 syslog 形式发送 CEF,并通过 LOGSTASH_SERVER 以 JSON 形式发送到 Logstash。

服务器接收远程事件,将其存储在事件日志中,读取本地可用的每日日志,并提供 HTTP API 和基于浏览器的报告界面。传感器不依赖报告界面,当事件被转发到另一个系统时可以独立部署。

报告界面

Maltrail 包含一个基于浏览器的报告界面,用于探索检测到的流量,支持实时更新、字段感知搜索、回溯狩猎、地理视图、分类处置、传感器状态、保存的视图和导出。

Maltrail 报告界面

该界面由 server.py 在 HTTP_ADDRESS:HTTP_PORT 上提供。它使用纯 JavaScript,仅有一个第三方运行时依赖(PapaParse,用于 CSV 解析),且无需构建步骤。每次查看一天的数据,通过日期选择器进行选择,该选择器同时充当可用每日日志的事件密度网格。事件从 /events 流式传输,并在浏览器中聚合为威胁——每个不同的 (source, trail) 对应一行——显示在可排序的网格中,并带有详情面板。

功能说明
实时模式追加的事件通过服务器发送事件(/live)到达,并合并到当前视图中。当 SSE 不可用,或流无法为会话提供服务时,界面会回退到轮询每日日志的字节范围。新的高严重性威胁可以触发桌面和声音警报;两者均可静音
搜索字段感知查询支持 src:、dst:、port:、proto:、type:、trail:、info:、family:、tag:、uid:、sev:、dir: 和 status: 选择器,以及排除、通配符、CIDR 匹配和数值比较。活动过滤器显示为可移除的标签
回溯狩猎/hunt 在所有保留的每日日志中搜索单个指标,而不仅仅是所选日期。搜索受可配置限制的约束;可选的每日侧车索引可加速扫描并使 /counts 精确
世界地图/geo 使用每个事件的外部端点显示所选日期的按国家事件密度。无法归属的事件保持未映射,而不是进行猜测。可以设置 HOME_LAT / HOME_LON 来绘制来源弧线
分类处置每个威胁的状态(新建 / 调查中 / 已解决 / 误报)、自由文本备注、标签和隐藏。可以从行上下文菜单中使用白名单规则和 OSINT 透视
传感器状态/sensors 显示哪些传感器正在报告、每个传感器运行的版本、上次签到距今多久以及有多少事件从未到达(lost)
保存的视图命名的过滤器预设
导出当前过滤视图导出为 CSV、JSON 或去毒化的指标
外观深色和浅色主题,具有离散的文本大小步进

以空格分隔的搜索词组合为 AND。在词前加 - 以排除它,使用 * 作为通配符,使用 CIDR 表示法如 src:10.0.0.0/8,并使用数值范围或比较如 port:>1024 和 count:>=100。family:interlock 也包括 interlock-1 和 interlock-2,这是较旧的特征集给该家族拆分成的分片所起的标签。

回溯狩猎受天数限制、挂钟时间预算和样本上限的约束。如果时间预算使某一天提前结束,该天将单独报告,而不是计为已完成的一天。只解析可能包含该指标的行,因此一天中不匹配的行会以磁盘速度读取。

传感器存活状态与事件活动分开跟踪:故障传感器和安静链路上的健康传感器都可能不产生事件。因此,传感器每隔 HEARTBEAT_PERIOD 秒通过 LOG_SERVER 通道宣告自身。当配置了 LOG_SERVER_SECRET 时,心跳的签名方式与事件相同。

分诊状态、保存的视图、标签和外观设置存储在浏览器中(localStorage),而非服务器上。因此它们是按浏览器和按源隔离的,不会在分析人员之间共享。

受网络过滤器限制的会话只能看到来自其自身网络的事件。同样的限制也适用于计数、地图和黑名单端点,而不仅仅是事件列表。

单个地址的国家和 ASN 富化信息由服务器在 stat.ripe.net 查询,缓存在那里,并通过 Maltrail 自己的 /ripe 端点暴露给界面。浏览器只与 Maltrail 通信。设置 DISABLE_RIPE_LOOKUPS 可完全禁用出站查询。在没有 RIPE 查询的情况下——包括在没有互联网访问的主机上——标志会回退到本地 RIR 表,界面的其余部分继续离线工作。

性能

性能取决于处理器、流量构成、trail 集大小、捕获驱动和网络接口。以下数据是通过发布二进制进行的离线重放:libpcap 读取、链路层、数据包路径和事件写入,一个工作线程固定在一个核心上。不包含 trail 加载,且这些不是实时捕获测量。

在 AMD Ryzen 7 PRO 4750U 上使用随附的 maltrail.conf(启用启发式、启用精简存储)和 refnet 的 160 万行 trail 集测量,每行 1,000,000 个数据包:

流量每数据包耗时
ICMP echo,94 字节112 ns
TCP SYN,54 字节181 ns
批量 TLS,1,473 字节351 ns
缓存命中时的 DNS 查询,71 字节287 ns
Refnet 混合流量,平均 85 字节354 ns
TLS ClientHello,126 字节590 ns
唯一名称的 DNS 查询,72 字节623 ns
HTTP 请求,159 字节678 ns

每一行都取自 refnet,即检测数据所来源的合成参考网络(sensor/tools/refnet.py);该工具说明了每一行是如何构建的。2026 年 10 月之前本 README 中的数据是从量化为 50 ms 的计时器读取的,不可比较。

检测本身是单独断言的:sensor/tests/corpus/ 中重放语料库的每个用例都声明了它必须产生的事件,sensor/tests/replay.rs 在每次测试运行时检查它们。

在目标系统上使用以下命令进行测量:

cargo build --release --manifest-path sensor/Cargo.toml
python3 sensor/tools/perf_table.py

默认使用一个捕获工作线程。增加工作线程可提升捕获能力,当工作线程多于一个时,传感器按源地址分发数据包(CAPTURE_FANOUT_MODE source),因此每个扫描器始终停留在同一个工作线程上,扫描启发式规则也能保留其全部告警。普通的流哈希(hash)会将一个扫描器拆分到多个工作线程:在文档记录的测试中,两个工作线程时保留了 91% 的单工作线程启发式告警,四个时保留 87%,八个时保留 66%。精确轨迹匹配在两种情况下均不受影响。当捕获丢包指标显示单个工作线程无法跟上时,再增加工作线程。

数据包路径基准测试为 cargo bench --bench hotpath(参见 sensor/README.md),实时 PACKET_FANOUT 分发通过 sensor/tools/fanout_check.py 进行检查。

安装

安装程序

安装程序已在十二个 Linux 发行版上验证,按版本计(Debian 12 和 13、Ubuntu 22.04 和 24.04、Fedora 41 和 44、Rocky、AlmaLinux、Arch、openSUSE Leap 和 Tumbleweed,以及 Alpine),此外还包括 FreeBSD、NetBSD、OpenBSD 和 macOS。该矩阵每周重新运行一次,并在安装程序发生变更时重新运行,完整结果记录在 docs/compat 中。Raspberry Pi OS 及其他 64 位 ARM 系统使用 aarch64 构建。在 32 位 ARM 上,Pi 2 及更新型号使用带 NEON 的静态 ARMv7 构建(armv7-unknown-linux-musleabihf),而 Pi 1、Zero 以及任何不具备 NEON、VFPv4 和硬件除法的 ARMv7 CPU 则使用静态 ARMv6 构建(arm-unknown-linux-musleabihf)。安装程序会自动选择正确的版本,且传感器可容纳于 256 MB 的 Pi 中。

curl -fsSL https://raw.githubusercontent.com/stamparm/maltrail/master/install.sh | sudo sh

它会安装依赖项,在 /opt/maltrail 下创建最新发布版本的可管理检出,校验预构建传感器的校验和,创建一个无特权的 maltrail 账户,安装 systemd 单元,准备日志和状态目录,并启动传感器和服务器。重新运行安装程序会升级该可管理检出。

在以提升的权限运行脚本之前,请先审阅该脚本。在已有检出中,试运行会显示将要执行的命令而不更改系统:

sh install.sh --dry-run

常用安装程序选项:

sh install.sh --role sensor      # Install only the sensor
sh install.sh --ref master       # Track master instead of the latest release
sh install.sh --no-service       # Install without changing systemd
sh install.sh --dry-run          # Print commands without applying them
sh install.sh --uninstall        # Remove the managed installation; keep logs and state

分类